基于混合模型的煤矸石透水混凝土透水系数预测

材料导报

2022, Vol. 36

Issue (Z1): 22040077-5

无机非金属及其复合材料

基于混合模型的煤矸石透水混凝土透水系数预测

杜青铉¹, 张宇航¹, 孙伟豪¹, 刘蕊¹, 庄尧量¹, 夏军武^1,2

1 中国矿业大学力学与土木工程学院,江苏徐州 221116
2 江苏省土木工程环境灾变与结构可靠性重点实验室,江苏徐州 221116

Prediction of Permeability Coefficient of Coal Gangue Permeable Concrete Based on Mixed Model

DU Qingxuan¹, ZHANG Yuhang¹, SUN Weihao¹, LIU Rui¹, ZHUANG Yaoliang¹, XIA Junwu^1,2

1 School of Mechanics and Civil Engineering, China University of Mining and Technology,Xuzhou 221116, Jiangsu, China
2 Jiangsu Key Laboratory of Environmental Impact and Structural Safety in Engineering, China University of Mining and Technology, Xuzhou 221116, Jiangsu, China

摘要
参考文献
相关文章
推荐阅读
Metrics

下载:

全文 ( PDF ) ( 4032KB )
输出: BibTeX | EndNote (RIS)

摘要为了提高煤矸石透水混凝土的透水系数预测精度,本工作提出了一种基于集成学习的混合模型预测方法。该模型综合了BP(Back propagation)神经网络、XGBoost模型和支持向量机(Support vector machines, SVM)模型三种方法,解决了使用单一的预测模型进行预测时产生的局部最优、欠拟合、过拟合、依赖数据集泛化能力差等问题,进一步提高了预测的准确度。不同类别数据集的测试结果表明,该模型可以有效降低单一模型产生的训练误差,提高模型的鲁棒性,具有较高的应用价值。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	杜青铉
	张宇航
	孙伟豪
	刘蕊
	庄尧量
	夏军武

关键词: 神经网络机器学习集成学习煤矸石混凝土透水系数预测

Abstract: In order to improve the prediction accuracy of permeability coefficient of coal gangue permeable concrete, this work proposes a hybrid model prediction method based on ensemble learning. The model combines BP neural network, XGBoost and support vector machine, solves the problems of local optimum, underfitting, overfitting and poor generalization ability of dependent data set when using a single prediction model to predict, and further improves the accuracy of prediction. The test results of different types of data sets show that the model can effectively reduce the training error generated by a single model and improve the robustness of the model, which has high application value.

Key words: neural network machine learning ensemble learning prediction of permeability coefficient of coal gangue concrete

出版日期: 2022-06-05 发布日期: 2022-06-08

ZTFLH:

TU528

基金资助: 中国矿业大学大学生创新创业训练计划(202110290019Z)

通讯作者: xjunw@163.com

作者简介: 杜青铉,现为中国矿业大学力学与土木工程学院本科生,在夏军武教授的指导下进行研究。目前主要研究领域为土木工程材料。
张宇航,现为中国矿业大学力学与土木工程学院本科生,在夏军武教授的指导下进行研究。目前主要研究领域为可持续发展与韧性城市。
孙伟豪,现为中国矿业大学力学与土木工程学院本科生,在夏军武教授的指导下进行研究。目前主要研究领域为人工智能的工程应用。
夏军武,中国矿业大学力学与土木工程学院教授、博士研究生导师。1989年中国矿业大学工业与民用建筑专业本科毕业,2005年中国矿业大学岩土工程专业博士毕业,本科毕业后在中国矿业大学工作至今。目前主要从事新材料和固废资源化利用等方面的研究工作。公开发表论文120余篇,已授权国际及国内发明专利近50项,荣获教育部高等学校科学技术进步二等奖2项、中国煤炭工业科学技术二等奖3项、国家安全生产科技成果二等奖1项、国家教学成果二等奖1项、煤炭工业十大科技成果奖、全国孙越崎青年科技奖等荣誉。
共同第一作者

引用本文:

杜青铉, 张宇航, 孙伟豪, 刘蕊, 庄尧量, 夏军武. 基于混合模型的煤矸石透水混凝土透水系数预测[J]. 材料导报, 2022, 36(Z1): 22040077-5.
DU Qingxuan, ZHANG Yuhang, SUN Weihao, LIU Rui, ZHUANG Yaoliang, XIA Junwu. Prediction of Permeability Coefficient of Coal Gangue Permeable Concrete Based on Mixed Model. Materials Reports, 2022, 36(Z1): 22040077-5.

链接本文:

http://www.mater-rep.com/CN/ 或 http://www.mater-rep.com/CN/Y2022/V36/IZ1/22040077

1 段晓牧. 煤矸石集料混凝土的微观结构与物理力学性能研究.博士学位论文, 中国矿业大学, 2014.
2 董作超. 煤矸石集料混凝土的力学性能与抗碳化试验研究. 博士学位论文, 中国矿业大学, 2016.
3 孙家瑛.建筑材料学报, 2012, 15(2), 179.
4 Aliabdo A A, Elmoaty A M, Fawzy A M, et al. Construction and Bui-lding Materials,2018, 193(30),105.
5 Rizvi R, Henderson V, Tighe S, et al.Transportation Research Record Journal of the Transportation Research Board, 2010, 2164(1), 132.
6 陈守开, 陈家林, 汪伦焰,等. 建筑材料学报, 2019, 22(2), 214.
7 孔德羽. 透水钢渣混凝土路面在海绵城市建设中的应用研究. 硕士学位论文, 东南大学, 2020.
8 罗国宝. 季冻区橡胶硅灰复合改性透水混凝土力学性能和耐久性研究. 博士学位论文, 吉林大学, 2020.
9 黄晟. 净水型玄武岩纤维透水水泥混凝土性能研究. 硕士学位论文, 华南理工大学, 2020.
10 尹志刚, 范巍, 董思健,等. 水利与建筑工程学报, 2019,17(4), 21.
11 林永盛. 环境友好型透水混凝土的制备与性能研究. 硕士学位论文, 东南大学, 2019.
12 周璐, 范宗青, 安生霞,等. 混凝土与水泥制品, 2018(9), 1.
13 姜骞, 周华新, 谢德擎,等. 混凝土, 2018(1), 64.
14 乔宏霞, 卢国文, 王晋伟,等. 混凝土, 2017(9), 64.
15 蒋勇, 牛云辉, 贾陆军,等. 新型建筑材料, 2017, 44(3), 16.
16 孙宏友. 基于正交试验法的透水混凝土配合比设计和试验研究. 硕士学位论文, 西南交通大学, 2016.
17 王培新, 黄洪财, 桂苗苗,等. 混凝土与水泥制品, 2014(3), 1.
18 颜小波. 多孔生态混凝土的制备与性能研究. 硕士学位论文, 济南大学, 2013.
19 曾伟. 透水混凝土配合比设计及性能研究. 硕士学位论文, 重庆大学, 2007.
20 陶卓辉. 多孔水泥混凝土路面材料设计及性能研究. 硕士学位论文, 东南大学, 2006.
21 霍亮. 透水性混凝土路面材料的制备及性能研究. 硕士学位论文, 东南大学, 2004.
22 Rumelhart D E, Hinton G E, Williams R J. Nature, 1986, 323(6088), 533.
23 Rosenblatt F. Psychological Review, 1958, 65, 386.
24 Chen T, Guestrin C. In: Proceedings of the 22nd Acm Sigkdd Internatio-nal Conference on Knowledge Discovery and Data Mining. California, 2016, pp. 785.
25 Cortes C, Vapnik V.Machine Learning, 1995, 20(3), 273.
26 黄同愿, 陈芳芳. 重庆理工大学学报(自然科学), 2016, 30(2), 89.

[1]	林志玮, 赵兴科, 赵增磊, 王世泽. 脉冲激光热爆箔法制备金属粉末试验及工艺优化[J]. 材料导报, 2022, 36(Z1): 21080257-6.
[2]	赵巍, 花福安, 李建平. 基于机器学习的Laves相生成焓预测研究[J]. 材料导报, 2022, 36(Z1): 21120179-5.
[3]	侯腾跃, 孙炎辉, 孙舒鹏, 肖瑛, 郑雁公, 王兢, 杜海英, 吴隽新. 机器学习在材料结构与性能预测中的应用综述[J]. 材料导报, 2022, 36(6): 20080205-12.
[4]	宋庆功, 常斌斌, 董珊珊, 顾威风, 康建海, 王明超, 刘志锋. 机器学习及其在材料研发中的作用[J]. 材料导报, 2022, 36(1): 20080139-7.
[5]	张猛, 花福安, 赵巍. 基于机器学习的高熵合金生成相预测研究[J]. 材料导报, 2021, 35(Z1): 331-335.
[6]	郑玉杰, 梁鑫斌, 张起, 孙文博, 施童超, 杜鹃, 孙宽. 基于分子指纹及机器学习回归模型的有机光伏材料效率预测[J]. 材料导报, 2021, 35(8): 8207-8212.
[7]	张永志, 辛全忠, 王永亮, 孔祥明, 刘昉, 杨再胜. 基于迁移学习的钢金相组织分类与识别方法的研究[J]. 材料导报, 2021, 35(24): 24152-24157.
[8]	黄炜, 葛培, 李萌, 许洪飞. 混杂纤维再生砖骨料混凝土正交试验及卷积神经网络预测分析[J]. 材料导报, 2021, 35(19): 19022-19029.
[9]	黄炜, 周烺, 葛培, 杨涛. 基于PSO-BP和GA-BP神经网络再生砖骨料混凝土强度模型的对比研究[J]. 材料导报, 2021, 35(15): 15026-15030.
[10]	米晓希, 汤爱涛, 朱雨晨, 康靓, 潘复生. 机器学习技术在材料科学领域中的应用进展[J]. 材料导报, 2021, 35(15): 15115-15124.
[11]	牛程程, 李少波, 胡建军, 但雅波, 曹卓, 李想. 机器学习在材料信息学中的应用综述[J]. 材料导报, 2020, 34(23): 23100-23108.
[12]	康靓, 米晓希, 王海莲, 吴璐, 孙凯, 汤爱涛. 人工神经网络在材料科学中的研究进展[J]. 材料导报, 2020, 34(21): 21172-21179.
[13]	刘博, 王社良, 何露, 李昊, 杨涛, 李彬彬. NiTi形状记忆合金丝的约束回复应力输出特性及本构模型[J]. 材料导报, 2020, 34(10): 10082-10087.
[14]	陆骐峰,孙富钦,王子豪,张珽. 柔性人工突触:面向智能人机交互界面和高效率神经网络计算的基础器件[J]. 材料导报, 2020, 34(1): 1022-1049.
[15]	杨学平, 王正江, 蒋超宇, 薛秀丽. 基于BP神经网络法研究锂电池荷电状态[J]. 材料导报, 2019, 33(Z2): 53-55.

[1]	Huanchun WU, Fei XUE, Chengtao LI, Kewei FANG, Bin YANG, Xiping SONG. Fatigue Crack Initiation Behaviors of Nuclear Power Plant Main Pipe Stainless Steel in Water with High Temperature and High Pressure[J]. Materials Reports, 2018, 32(3): 373 -377 .
[2]	Miaomiao ZHANG,Xuyan LIU,Wei QIAN. Research Development of Polypyrrole Electrode Materials in Supercapacitors[J]. Materials Reports, 2018, 32(3): 378 -383 .
[3]	Congshuo ZHAO,Zhiguo XING,Haidou WANG,Guolu LI,Zhe LIU. Advances in Laser Cladding on the Surface of Iron Carbon Alloy Matrix[J]. Materials Reports, 2018, 32(3): 418 -426 .
[4]	Huaibin DONG,Changqing LI,Xiahui ZOU. Research Progress of Orientation and Alignment of Carbon Nanotubes in Polymer Implemented by Applying Electric Field[J]. Materials Reports, 2018, 32(3): 427 -433 .
[5]	Xiaoyu ZHANG,Min XU,Shengzhu CAO. Research Progress on Interfacial Modification of Diamond/Copper Composites with High Thermal Conductivity[J]. Materials Reports, 2018, 32(3): 443 -452 .
[6]	Anmin LI,Junzuo SHI,Mingkuan XIE. Research Progress on Mechanical Properties of High Entropy Alloys[J]. Materials Reports, 2018, 32(3): 461 -466 .
[7]	Qingqing DING,Qian YU,Jixue LI,Ze ZHANG. Research Progresses of Rhenium Effect in Nickel Based Superalloys[J]. Materials Reports, 2018, 32(1): 110 -115 .
[8]	Yaxiong GUO,Qibin LIU,Xiaojuan SHANG,Peng XU,Fang ZHOU. Structure and Phase Transition in CoCrFeNi-M High-entropy Alloys Systems[J]. Materials Reports, 2018, 32(1): 122 -127 .
[9]	Changsai LIU,Yujiang WANG,Zhongqi SHENG,Shicheng WEI,Yi LIANG,Yuebin LI,Bo WANG. State-of-arts and Perspectives of Crankshaft Repair and Remanufacture[J]. Materials Reports, 2018, 32(1): 141 -148 .
[10]	Xia WANG,Liping AN,Xiaotao ZHANG,Ximing WANG. Progress in Application of Porous Materials in VOCs Adsorption During Wood Drying[J]. Materials Reports, 2018, 32(1): 93 -101 .

Viewed

Full text

Abstract

Cited

Shared

Discussed